IA identifica padrões de acidentes de trânsito

Um estudo realizado por pesquisadores do Programa de Pós-Graduação em Gestão Urbana (PPGTU) da Pontifícia Universidade Católica do Paraná (PUC-PR) com a Universidade Tecnológica do Paraná (UTFPR) identificou padrões ocultos que podem ser fatores relacionados à ocorrência e à gravidade de acidentes em rodovias do Paraná. Para chegar aos resultados, o grupo aplicou técnicas de mineração de dados e inteligência artificial, analisando dois conjuntos de dados fornecidos pelo Departamento de Estradas de Rodagem do Paraná (DER/PR): o primeiro de 2004 a 2013, e o segundo de 2019 a 2024. Os modelos gerados apresentaram altos índices de acerto: acima de 94% para o primeiro período e entre 86% e 89% para o segundo.

Os resultados indicaram que a presença de perímetro urbano esteve associada a um aumento de 90% na ocorrência de acidentes.

Outros fatores que contribuíram de forma significativa para a frequência dos sinistros incluem:

? presença de segunda ou terceira faixa (65,8%);

? maior sinuosidade do terreno (62,2%);

? áreas de ultrapassagem com sinalização por linha tracejada (56,3%);

? presença de acostamento (53,9%); e

? iluminação insuficiente nas vias (48,2%).

Quanto à gravidade dos acidentes, a análise revelou correlação com:

? a presença de perímetro urbano (93,5%);

? maior sinuosidade do terreno (66,8%);

? baixa iluminação (62,1%);

áreas de ultrapassagem (59,7%) e

? velocidades mais elevadas nas vias (44,5%).

Segundo os pesquisadores, foram aplicadas quatro técnicas de mineração de dados, com destaque para o uso do software CBA (Classification Based on Associations), capaz de construir regras de classificação para prever acidentes fatais a partir de variáveis como tipo de via, iluminação, velocidade, clima e presença de áreas urbanas.

A partir de registros de acidentes, os pesquisadores treinaram um algoritmo utilizando variáveis como o perfil dos usuários, as características da infraestrutura viária, as condições ambientais e os tipos de transporte envolvidos, podendo reconhecer as causas associadas.